+
Die Forderung nach Gleichberechtigung betrifft auch einen der kleinsten Bausteine des Gehirns: die Dendriten.

Gleiche Rechte im Gehirn?

Gießen (red). »Dendritische Konstanz«: Forderung nach »Gleichberechtigung« betrifft auch kleinste Bestandteile des Gehirns. Bekannt ist, dass unterschiedlich geformte Neuronen Informationen unterschiedlich verarbeiten. Aber tragen die unterschiedlichen Formen auch dazu bei, dass ihre Funktionen ähnlicher werden?

Neurowissenschaftler der Justus-Liebig-Universität Gießen (JLU), der Goethe-Universität Frankfurt (GU) und des Ernst-Strüngmann-Instituts für Neurowissenschaften (ESI), Frankfurt, zeigen, dass die Forderung nach Gleichberechtigung auch die kleinsten Bestandteile des Gehirns betrifft: die Dendriten. Es handelt sich um die Abschnitte der Nervenzellen, die Reize empfangen und weiterleiten. Neuronen mit den unterschiedlichsten Dendriten sind, so die Erkenntnis, gleicher als gedacht. Die Ergebnisse der gemeinsamen Forschungen wurden kürzlich in der renommierten Fachzeitschrift Neuron veröffentlicht.

In ihrer Studie »A general principle of dendritic constancy: A neuron’s size- and shape-invariant excitability« (»Ein allgemeines Prinzip der dendritischen Konstante: Die größen- und forminvariante Erregbarkeit eines Neurons«) berichten die drei federführenden Autoren Prof. Peter Jedlicka, 3R-Zentrum der JLU, Prof. Thomas Deller, Anatomie I, Goethe-Universität Frankfurt, und Dr. Hermann Cuntz, Ernst- Strüngmann-Institut (ESI) für Neurowissenschaften, dass Neuronen mit sehr unterschiedlichen Größen und Formen ihrer Fortsätze, den Dendriten, eine überraschende Gleichheit aufweisen. Die Forscher nennen dieses neu gefundene Prinzip »dendritische Konstanz«.

Um die Bedeutung der aktuellen Forschungen besser einordnen zu können, lohnt ein Blick in die Vergangenheit: In den 1960er-Jahren gelang es Wilfrid Rall, Gleichungen aus der Kabeltheorie auf Neuronen anzuwenden. Damit konnte er die Ausbreitung von Reizen in dendritischen Bäumen, den Eingangsstrukturen von Neuronen, berechnen. Bis dahin war der Beitrag der Dendriten zur Funktion der Neuronen weitgehend ignoriert worden.

Rall zeigte jedoch, dass sich elektrische Signale von einzelnen Inputs über die Dendriten hinweg dramatisch abschwächen und auf raffinierte Weise interagieren können - ein Wendepunkt für das Verständnis neuronaler Informationsverarbeitung. Ralls Kabeltheorie ist heute die Grundlage für alle detaillierten Modelle, die einzelne Neuronen oder ganze Schaltkreise im Gehirn darstellen. In der Zwischenzeit wurden verschiedene Zelltypen aufgrund der unterschiedlichen Form ihrer Dendriten mit einer Vielzahl von elektrophysiologischen Verhaltensweisen in Verbindung gebracht.

Reizantworten

In ihrer Studie haben die Autoren Cuntz, Deller und Jedlicka mit ihren Teams eine Eigenschaft der Kabeltheorie untersucht, die sich über verschiedene Dendritenarten hinweg verallgemeinern lässt: Anstatt die Auswirkungen einzelner Reize zu verfolgen, betrachteten die Autoren die synaptische Aktivität, wie sie sich über den gesamten Dendriten oder über einzelne Teile verteilt. Interessanterweise neigt das Kabel dann dazu, auf einen einzigen Punkt zu kollabieren: Die Nervenzelle verhält sich ähnlich wie ein (isoelektrischer) Punkt mit gleichem elektrischen Potenzial - unabhängig von ihrer Größe. Dies hat zur Folge, dass die Reaktionen des Neurons unabhängig von der Form oder Größe des Dendriten sind. Den Wissenschaftlern ist es gelungen zu zeigen, dass sich die Input-Output-Funktion von Neuronen praktisch nicht ändert, wenn Dendriten während der Hirnentwicklung massive strukturelle Veränderungen erfahren. Daher verwenden sie den Begriff »dendritische Konstanz« zur Bezeichnung dieses Phänomens, erläutert Prof. Jedlicka, der am Fachbereich Medizin forscht und zugleich dem 3R-Zentrum der JLU angehört.

Die vorliegende computerbasierte Arbeit basiert auf der Verwendung großer Datensätze - in Kooperation zwischen der Gruppe für computerbasiertes Modelling von Prof. Jedlicka am Gießener 3R-Zentrum, dem neuroanatomischen Institut von Prof. Deller an der GU und der Gruppe für Morphologisches Modelling von Dr. Cuntz am ESI. Im Einklang mit dem 3R-Prinzip des Tierschutzes (reduce, replace, refine) hat sich dieser Fall als ein Paradebeispiel dafür erwiesen, dass Computermodelle hervorragende Werkzeuge für die Nutzung gemeinsam genutzter experimenteller Datensätze sind, denn dadurch konnte die Zahl der erforderlichen Tierversuche verringert werden.

Folgestudie

Die Studienergebnisse geben Anlass zur Hoffnung auch für Patientinnen und Patienten. Die Konstanz der Dendriten könnte nicht nur während der Hirnentwicklung eine Rolle spielen, sondern auch im Zusammenhang mit neurologischen Erkrankungen von Bedeutung sein.

Im Anfangsstadium einer solchen Erkrankung bauen Neuronen, die noch gesund sind, ihre Dendriten um, um die Informationsverarbeitung im neuronalen Netzwerk so lange wie möglich aufrechtzuerhalten. Die dendritische Konstanz ist also ein natürlicher Mechanismus, der teilweise den Schäden entgegenwirkt, die durch Hirnerkrankungen wie Alzheimer oder Epilepsie verursacht werden. Infolgedessen kann, so die Experten, die dendritische Konstanz dazu beitragen, das Auftreten von Krankheitssymptomen wie Gedächtnisverlust zu verzögern.

Die Autoren betonen, dass das Prinzip der dendritischen Konstanz nicht die Bedeutung synaptischer Lernregeln und lokaler Berechnungen in Dendriten schmälert, die Neuronen einzigartig machen und die Neurowissenschaften sicher noch lange beschäftigen werden. Dennoch sind sie der Meinung, dass die Erkenntnis, wie sich Dendriten über verschiedene Skalen hinweg gleich verhalten können, zu einem besseren Verständnis der allgemeinen Prinzipien neuronaler Funktionen beitragen wird.

Interessanterweise zeige eine Folgestudie (nachzulesen unter https://doi.org/ 10.1371/journal.pcbi.1009202), dass die Normalisierung der synaptischen Eingangswerte auf der Grundlage des Mechanismus der dendritischen Konstanz die Lernleistung in künstlichen neuronalen Netzen verbessert. Somit könnte die dendritische Konstanz nicht nur für die Neurowissenschaften, sondern auch für die Gemeinschaft des maschinellen Lernens von Interesse sein.

Das könnte Sie auch interessieren